chrishuber/kaggle_mnli

# Dataset Card for [Kaggle MNLI] ## Table of Contents - [Table of Contents](#table-of-contents) - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [Dataset Structure](#dataset-structure) - [Data Instances](#data-instances) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Dataset Creation](#dataset-creation) - [Curation Rationale](#curation-rationale) - [Source Data](#source-data) - [Annotations](#annotations) - [Personal and Sensitive Information](#personal-and-sensitive-information) - [Considerations for Using the Data](#considerations-for-using-the-data) - [Social Impact of Dataset](#social-impact-of-dataset) - [Discussion of Biases](#discussion-of-biases) - [Other Known Limitations](#other-known-limitations) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [Contributions](#contributions) ## Dataset Description - **Homepage: https://www.kaggle.com/c/multinli-matched-open-evaluation ** - **Repository: chrishuber/roberta-retrained-mlni ** - **Paper: Inference Detection in NLP Using the MultiNLI and SNLI Datasets** - **Leaderboard: 8** - **Point of Contact: [e-mail]** ### Dataset Summary [These are the datasets posted to Kaggle for an inference detection NLP competition. Moving them here to use with Pytorch.] ### Supported Tasks and Leaderboards Provides train and validation data for sentence pairs with inference labels. [https://www.kaggle.com/competitions/multinli-matched-open-evaluation/leaderboard] [https://www.kaggle.com/competitions/multinli-mismatched-open-evaluation/leaderboard] ### Languages [JSON, Python] ## Dataset Structure ### Data Instances [More Information Needed] ### Data Fields [More Information Needed] ### Data Splits [More Information Needed] ## Dataset Creation ### Curation Rationale [Reposted from https://www.kaggle.com/c/multinli-matched-open-evaluation and https://www.kaggle.com/c/multinli-mismatched-open-evaluation] ### Source Data #### Initial Data Collection and Normalization [Please see the article at https://arxiv.org/abs/1704.05426 which discusses the creation of the MNLI dataset.] #### Who are the source language producers? [Please see the article at https://arxiv.org/abs/1704.05426 which discusses the creation of the MNLI dataset.] ### Annotations #### Annotation process [Crowdsourcing using MechanicalTurk.] #### Who are the annotators? [MechanicalTurk users.] ### Personal and Sensitive Information [None.] ## Considerations for Using the Data ### Social Impact of Dataset [More Information Needed] ### Discussion of Biases [More Information Needed] ### Other Known Limitations [More Information Needed] ## Additional Information ### Dataset Curators [Kaggle] ### Licensing Information [More Information Needed] ### Citation Information [https://www.kaggle.com/c/multinli-matched-open-evaluation] [https://www.kaggle.com/c/multinli-mismatched-open-evaluation] ### Contributions Thanks to [@github-username](https://github.com/<github-username>) for adding this dataset.# [Kaggle MNLI] 数据集卡片 ## 目录 - [目录](#table-of-contents) - [数据集描述](#dataset-description) - [数据集概述](#dataset-summary) - [支持任务与排行榜](#supported-tasks-and-leaderboards) - [语言](#languages) - [数据集结构](#dataset-structure) - [数据实例](#data-instances) - [数据字段](#data-fields) - [数据划分](#data-splits) - [数据集构建](#dataset-creation) - [构建初衷](#curation-rationale) - [源数据](#source-data) - [标注信息](#annotations) - [个人与敏感信息](#personal-and-sensitive-information) - [数据集使用注意事项](#considerations-for-using-the-data) - [数据集的社会影响](#social-impact-of-dataset) - [偏见讨论](#discussion-of-biases) - [其他已知局限性](#other-known-limitations) - [附加信息](#additional-information) - [数据集维护者](#dataset-curators) - [许可信息](#licensing-information) - [引用信息](#citation-information) - [贡献者](#contributions) ## 数据集描述 - **主页：https://www.kaggle.com/c/multinli-matched-open-evaluation ** - **代码仓库：chrishuber/roberta-retrained-mlni ** - **相关论文：《自然语言处理中的推理检测：基于MultiNLI（Multi-Genre Natural Language Inference，多领域自然语言推理）与SNLI数据集》** - **当前排行榜排名：8** - **联系邮箱：[e-mail]** ### 数据集概述 本数据集为Kaggle平台上某自然语言处理推理检测竞赛所发布的数据集，现迁移至此以适配PyTorch框架使用。 ### 支持任务与排行榜 本数据集为带推理标签的句子对提供训练集与验证集，相关排行榜链接如下： [https://www.kaggle.com/competitions/multinli-matched-open-evaluation/leaderboard] [https://www.kaggle.com/competitions/multinli-mismatched-open-evaluation/leaderboard] ### 语言 支持格式与工具：JSON、Python ## 数据集结构 ### 数据实例 [需补充更多信息] ### 数据字段 [需补充更多信息] ### 数据划分 [需补充更多信息] ## 数据集构建 ### 构建初衷 [转载自 https://www.kaggle.com/c/multinli-matched-open-evaluation 与 https://www.kaggle.com/c/multinli-mismatched-open-evaluation] ### 源数据 #### 初始数据收集与标准化 [请参阅论文 https://arxiv.org/abs/1704.05426，该论文详细阐述了MNLI数据集的构建过程] #### 源语言数据生产者为谁？ [请参阅论文 https://arxiv.org/abs/1704.05426，该论文详细阐述了MNLI数据集的构建过程] ### 标注信息 #### 标注流程 [采用亚马逊机械 Turk（Mechanical Turk）众包标注] #### 标注人员为谁？ [亚马逊机械 Turk平台用户] ### 个人与敏感信息 [无] ## 数据集使用注意事项 ### 数据集的社会影响 [需补充更多信息] ### 偏见讨论 [需补充更多信息] ### 其他已知局限性 [需补充更多信息] ## 附加信息 ### 数据集维护者 [Kaggle] ### 许可信息 [需补充更多信息] ### 引用信息 [https://www.kaggle.com/c/multinli-matched-open-evaluation] [https://www.kaggle.com/c/multinli-mismatched-open-evaluation] ### 贡献者 感谢 [@github-用户名](https://github.com/<github-username>) 为本数据集提交贡献。

原始信息汇总

数据集卡片 for [Kaggle MNLI]

数据集描述

数据集概述

这些数据集是为自然语言处理中的推理检测竞赛在Kaggle上发布的。将它们移至此处以便与Pytorch一起使用。

支持的任务和排行榜

提供带有推理标签的句子对的训练和验证数据。

语言

[JSON, Python]

数据集结构

数据实例

[更多信息需补充]

数据字段

[更多信息需补充]

数据分割

[更多信息需补充]

数据集创建

策划理由

从以下链接重新发布：https://www.kaggle.com/c/multinli-matched-open-evaluation 和 https://www.kaggle.com/c/multinli-mismatched-open-evaluation

源数据

初始数据收集和规范化

请参阅文章：https://arxiv.org/abs/1704.05426，该文章讨论了MNLI数据集的创建。

源语言生产者是谁？

请参阅文章：https://arxiv.org/abs/1704.05426，该文章讨论了MNLI数据集的创建。

注释

注释过程

使用MechanicalTurk进行众包。

注释者是谁？

MechanicalTurk用户。

个人和敏感信息

[无]

使用数据时的考虑

数据集的社会影响

[更多信息需补充]

偏见的讨论

[更多信息需补充]

其他已知限制

[更多信息需补充]

附加信息

数据集策展人

[Kaggle]

许可信息

[更多信息需补充]

引用信息

https://www.kaggle.com/c/multinli-matched-open-evaluation https://www.kaggle.com/c/multinli-mismatched-open-evaluation

贡献

感谢@github-username 添加此数据集。

搜集汇总

背景与挑战

背景概述

该数据集是Kaggle上的MultiNLI推理检测数据集，包含约432k个句子对，每个句子对标注了蕴含、中立或矛盾关系，用于自然语言推理任务。数据来源于多体裁文本，通过众包标注，支持训练、验证和测试分割，适用于模型评估和竞赛。